Model Difusi yang Disesuaikan (Fine-Tuned Diffusion Model)
Model difusi yang disesuaikan mengadaptasi model difusi penghilang derau besar yang telah dilatih sebelumnya — seperti Stable Diffusion atau DALL-E — ke subjek, gaya, atau domain tertentu dengan melanjutkan pelatihan pada kumpulan data kecil yang dikurasi. Teknik seperti DreamBooth, inversi tekstual, dan LoRA membuat adaptasi ini layak pada perangkat keras konsumen sambil mempertahankan kemampuan generatif umum.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Ruiz, N., Li, Y., Jampani, V., Pritch, Y., Rubinstein, M., & Aberman, K. (2023). DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 22500–22510. DOI: 10.1109/CVPR52729.2023.02155 ↗
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Fine-Tuned Denoising Diffusion Probabilistic Model. ScholarGate. https://scholargate.app/id/deep-learning/fine-tuned-diffusion-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Jaringan Adverarial Generatif yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Klasifikasi Citra yang Disesuaikan (Fine-Tuned)Pembelajaran Mendalam↔ compare
- Variational Autoencoder yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Vision Transformer yang Disesuaikan (Fine-Tuned)Pembelajaran Mendalam↔ compare
- Transfer Learning dengan Model DifusiPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →